DE19704983A1 - Autonomes System, insbesondere autonome Plattform - Google Patents
Autonomes System, insbesondere autonome PlattformInfo
- Publication number
- DE19704983A1 DE19704983A1 DE19704983A DE19704983A DE19704983A1 DE 19704983 A1 DE19704983 A1 DE 19704983A1 DE 19704983 A DE19704983 A DE 19704983A DE 19704983 A DE19704983 A DE 19704983A DE 19704983 A1 DE19704983 A1 DE 19704983A1
- Authority
- DE
- Germany
- Prior art keywords
- autonomous system
- sensors
- behavior
- real world
- autonomous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Description
Die Erfindung betrifft ein autonomes System mit
integrierten Sensoren.
Unter einem "autonomen System" wird dabei ein System
verstanden, das als unabhängige Einheit über einen
ausgedehnten Zeitraum hinweg funktioniert und dabei eine
Vielfalt von Handlungen vornimmt, die zur Erreichung
vorgegebener Ziele erforderlich sind, wobei es auf von den
Sensoren erzeugte Stimuli anspricht.
Bei einem solchen autonomen System sind folgende
Voraussetzungen gegeben:
- Dem System ist eine Umgebung ("reale Welt") zugeordnet.
Es findet eine Wechselwirkung zwischen dem System und der Umgebung über Eingangs- und Ausgangs-Informationen und ggf. Ausgangs-Aktionen statt.
Die Wechselwirkungen des Systems konzentrieren sich auf die Erfüllung von Aufgaben innerhalb der Umgebung nach einem zielgerichteten Verhalten, wobei sich das System an Änderungen der Umgebung anpaßt.
Die Wechselwirkung des autonomen Systems mit der es
umgebenden Welt kann in die folgenden Elemente eines
Erkennen-Handeln-Zyklus (oder Stimulus-Reaktion-Zyklus)
aufgelöst werden:
- Erkennen des Ist-Zustands der Welt und Vergleichen
dieses Ist-Zustandes mit einem Soll-Zustand, der dem
Ziel der Wechselwirkung entspricht (Überwachen),
Analysieren der Abweichungen von Ist- und Soll-Zustand (Diagnose),
"Nachdenken" über Handlungen, welche den Zustand der Welt ändern sollen (Planerzeugung),
Entscheiden über die Handlungen, die zum Erreichen des Soll-Zustandes erforderlich sind (Planauswahl), und
Durchführen der Handlungen die zum Erreichen des Soll-Zustandes erforderlich sind (Plandurchführung).
Um diese Funktionen zu erfüllen, müssen vor allem geeignete
Sensor- und Effektor-Systeme vorgesehen sein. Im Fall eines
unbemannten, autonomen Systems müssen Informations-Ver
arbeitungsmittel vorhanden sein, welche Maschinen-
Intelligenz zur Durchführung der erwähnten Aufgaben
einsetzen.
Das autonome System kann eine Plattform sein. Der Ausdruck
"Plattform" umfaßt dabei alle beweglichen Gebilde wie
Flugzeuge, Flugkörper, Raum-, Land- oder Seefahrzeuge. Die
Erfindung wird im folgenden unter Bezugnahme auf ein
unbemanntes Flugzeug beschrieben. Die Anwendbarkeit der
Erfindung ist aber nicht auf solche "Plattformen"
beschränkt.
Bekannte autonome Systeme dieser Art sind von ihrem
Konstrukteur so programmiert, daß sie sich in einer
gewünschten Weise in der realen Welt verhalten. Das
bedeutet, daß der Konstrukteur im voraus alle denkbaren
Szenarien und alle denkbaren Veränderungen der realen Welt
erkennen und in dem Programm berücksichtigen muß. Das ist
praktisch aber nicht möglich: Es sind nicht alle möglichen
Szenarien vorhersehbar. Informationen über die reale Welt
sind häufig unscharf. Die reale Welt kann sich in nicht
vorhersehbarer Weise verändern.
Der Erfindung liegt die Aufgabe zugrunde, ein autonomes
System der eingangs genannten Art zu realisieren.
Erfindungsgemäß wird diese Aufgabe dadurch gelöst, daß
- (a) das System aus einer Mehrzahl von Funktionsmodulen aufgebaut ist, die jedes mit künstlicher Intelligenz versehen sind, indem sie eine Struktur aufweisen, die eine Selbstorganisierung, ein Lernen und eine Anpassung an sich ändernde Situationen gestatten,
- (b) die Funktionsmodule wenigstens teilweise miteinander kommunizieren und zusammen ein Modell der realen Welt bilden,
- (c) das System über die Sensoren und Effektoren mit der realen Welt in Wechselwirkung tritt.
Das autonome System wird somit nicht mit einem festen
Programm programmiert, um in der realen Welt zu operieren.
Vielmehr wird das System so strukturiert, daß es Lernen und
sich an eine veränderte oder nicht von vornherein bekannte
Umwelt anpassen kann. Eine solche Strukturierung kann in
der Anwendung neuronaler Netze bestehen. Signale können mit
unscharfer Logik (Fuzzy Logic) verarbeitet werden, um
Unschärfen in der Kenntnis der realen Welt zu
berücksichtigen. Für die Selbstorganisation (wie z. B.
Optimierung und Adaption von Struktur und Parametern)
können genetische oder evolutionäre Algorithmen Verwendung
finden.
Das autonome System wird aber nicht von einer einheitlichen
Rechnerstruktur beherrscht, die alle Sensor-Informationen
erhält und alle Funktionen des autonomen Systems steuert.
Das wäre schwierig zu realisieren. Vielmehr enthält das
autonome System eine Mehrzahl von Funktionsmoduln, die
jedes eine bestimmte Aufgabe erfüllt. Jedes der
Funktionsmodule ist für sich so strukturiert, daß es lern- und
anpassungsfähig ist. Die Funktionsmodule können
weiterhin Informationen von einer Wissens- und Datenbank
erhalten. Die Funktionsmodule kommunizieren wenigstens
teilweise miteinander. Dabei können einzelne
Funktionsmodule "nebeneinander" ihre jeweilige Aufgabe
erfüllen. Es kann aber auch eine gewisse hierarchische
Verknüpfung der Funktionsmodule bestehen. Insgesamt bilden
die Funktionsmodule ein Modell der realen Welt. Sie
"wissen", wie sich das autonome System in der realen Welt
verhalten muß, um ein vorgegebenes Ziel zu erreichen.
Ausgestaltungen der Erfindung sind Gegenstand der
Unteransprüche.
Ein Ausführungsbeispiel der Erfindung ist nachstehend unter
Bezugnahme auf die zugehörigen Zeichnungen näher erläutert.
Fig. 1 zeigt als Blockdiagramm die wesentlichen Elemente
einer autonom operierenden, aber mit einer
Basis-Station über eine Kommunikations-Einrichtung
verbundenen Plattform, z. B. eines unbemannten
Flugzeugs.
Fig. 2 ist eine schematische Darstellung und zeigt die
Architektur des autonomen Systems mit den
Funktionsmoduln und ihre Wechselwirkung mit der
realen Welt.
Fig. 3 veranschaulicht die verschiedenen Funktionsmodule.
Fig. 4 ist eine schematische Darstellung und
veranschaulicht den Aufbau eines Funktionsmoduls.
Fig. 5 veranschaulicht ein autonomes System, das teilweise
mit programmierten, hierarchisch gegliederten
Funktionsmoduln und teilweise mit lernfähigen und
anpassungsfähigen Funktionsmoduln aufgebaut ist.
Fig. 6 veranschaulicht die Wirkungsweise eines autonomen
Systems, bei dem aus einem Gesamtmodell der realen
Welt spezielle Modelle herausziehbar sind, aus
denen durch einen Inferenz-Mechanismus
Schlußfolgerungen für Einwirkungen des Systems
über die Effektoren ableitbar sind.
Fig. 7 ist eine schematische Darstellung eines
Funktionmoduls für die Verknüpfung der
Sensordaten, z. B. für die Ziel-Erkennung,
-Identifizierung und- Klassifizierung bei einer
Mehrsensor-Anordnung.
Fig. 8 ist eine schematische Darstellung und
veranschaulicht ein Funktionselement für die
wissensbasierte Planung.
Fig. 9 ist eine schematische Darstellung eines
Funktionsmoduls zur Flugführung (Piloting).
Fig. 10 veranschaulicht ein Verfahren zur Auslegung eines
autonomen Systems der vorstehend beschriebenen
Art.
In Fig. 1 ist mit 10 eine "Plattform" bezeichnet. Die
Plattform kann beispielsweise ein unbemanntes Flugzeug
sein. Es kann sich aber auch um ein See-, Land- oder
Raumfahrzeug handeln. Die Plattform steht mit einer
Basis-Station in Kommunikation. Das geschieht über
Kommunikations-Mittel 14 auf der Plattform 10 und
Kommunikations-Mittel 16 in der Basis-Station 12.
Die interne Funktion der Plattform 10 ist generell durch
einen Funktions-Block 18 dargestellt. Der Funktions-Block
18 steht in Verbindung mit Sensoren 20 und Effektoren 22
sowie mit den Kommunikations-Mitteln.
Die Basis-Station 12 erhält ebenfalls Informationen von
anderen Informations-Quellen und äußeren Sensoren 24. Die
Basis-Station 12 enthält Mittel 26 zur Auswertung und
Verknüpfung der Informationen, die von den äußeren Sensoren
24 geliefert werden und von Informationen, welche über eine
Datenübertragungs-Einrichtung 28 von den Kommunikations-Mit
teln 14 der Plattform 10 an die Kommunikations-Mittel 16
der Basis-Station 12 übermittelt werden. Die letzteren
Informationen sind durch eine Verbindung 30 angedeutet.
Die Basis-Station 12 enthält eine Befehls- und
Steuereinheit 32, welche auch die Missions-Planung
vornimmt. Die Befehls- und Steuereinheit 32 erhält, wie
durch die Verbindung 34 dargestellt ist, Informationen von
den Mitteln 26 zur Auswertung und Verknüpfung von
Informationen. Die Befehls- und Steuereinheit 32 ist weiter
mit einer Schnittstelle 36 zwischen Mensch und Maschine
verbunden, über welche ein in der Basis-Station sitzender
menschlicher Pilot Befehle einzugeben vermag. Das kann z. B.
ein Bildschirm und eine Tastatur sein. Die Befehls- und
Steuereinheit 32 gibt Befehle über Verbindung 38 an die
Kommunikations-Mittel 16. Die Kommunikations-Mittel 16
übertragen die Befehle über die Datenübertragungs-Ein
richtung 28 an die Funktions-Einheit 18 der Plattform
10.
Der Funktions-Block 18 enthält, wie in Fig. 2 dargestellt
ist, Funktionsmodule 40.1, 40.2. . .40.n. Wie in Fig. 2
angedeutet ist, sind die Funktionsmodule 40.1, 40.2. . .40.n
teilweise in beiden Richtungen miteinander verbunden,
wie durch die Pfeile 42 und 44 zwischen den Funktionsmoduln
40.1 und 40.n angedeutet ist. Teilweise besteht eine solche
Verbindung auch nur in einer Richtung wie bei Pfeil 46
zwischen den Funktionsmoduln 40.n und 40.2. Die
Funktionsmodule erhalten Informationen von den Sensoren 20
und einer Wissens- und Datenbank 48. Über die Effektoren 22
beeinflussen sie die "reale Welt" 50. Mit der realen Welt
tritt das autonome System der Plattform 10 durch Aktion,
dargestellt durch Pfeil 52 und Antwort, dargestellt durch
Pfeil 54 in Wechselwirkung.
Fig. 3 veranschaulicht die verschiedenen Funktionsmodule
40.1 bis 40.n.
Ein Funktionsmodul 40.1 bewirkt eine Verknüpfung der
Sensor-Signale. Ein Funktionsmodul 40.2 ist zur Situations-Be
wertung aus den verknüpften Sensor-Daten vorgesehen. Es
erhält verknüpfte Sensor-Daten von dem Funktionsmodul 40.1.
Das ist in Fig. 2 durch Pfeil 56 dargestellt. Ein
Funktionsmodul 40.3 ist zur wissensbasierten Planung auf
Grund der Situations-Bewertung vorgesehen. Ein
Funktionsmodul 40.n-2 dient der Flugführung (Piloting) der
Plattform 10. Ein Funktionsmodul 40.n-1 dient der Erfassung
und Bewertung von Bedrohungen, z. B. durch anfliegende
Flugkörper. Ein Funktionsmodul 40.n dient der
Kommunikation.
Fig. 4 zeigt die Struktur eines Funktionsmoduls 40. Das
Funktionsmodul 40 enthält im allgemeinen eine Wissens- und
Datenbank 58 mit analytischem und heuristischem Wissen. Die
Funktionseinheit 40 enthält weiterhin eine "künstliche
Intelligenz" 60. Die künstliche Intelligenz 60 ist ein
System mit einer Struktur (im Gegensatz zu einem Programm),
die eine Selbstorganisation gestattet und Lernfähigkeit und
Anpassungsfähigkeit an sich ändernde Situationen aufweist.
Die künstliche Intelligenz 60 erhält Wissen und Daten von
der Wissens- und Datenbank 58. Das ist durch Pfeil 62
dargestellt. Die künstliche Intelligenz 60 steuert das
autonome System, d. h. die Plattform 10. Das autonome System
10 steht in Wechselwirkung mit der realen Welt 50, wie
durch den Doppelpfeil 64 angedeutet ist.
Fig. 5 veranschaulicht den Aufbau des autonomen Systems 10
aus hierarchisch organisierten Funktionsmoduln 66 und
lernfähigen und anpassungsfähigen Funktionsmoduln 68. Die
Funktionsmoduln 66 und 68 kommunizieren wenigstens
teilweise miteinander, wie durch den Doppelpfeil 70
angedeutet ist. Das autonome System 10 steht mit der realen
Welt 50 in Wechselwirkung, wie in Fig. 5 durch die Pfeile 72
und 74 angedeutet ist. Pfeil 72 entspricht dabei den
Sensoren 20. Pfeil 74 entspricht den Effektoren 22.
Fig. 6 veranschaulicht einen anderen Aspekt des autonomen
Systems:
Die Funktionsmoduln 40 liefern insgesamt ein umfassendes Modell 76 der realen Welt 50. Aus dem umfassenden Modell 76 der realen Welt 50 sind spezielle Modelle 78 herausziehbar, aus denen durch einen Inferenz-Mechanismus 80 Schlußfolgerungen für Einwirkungen des Systems 10 auf die reale Welt 50 über die Effektoren 22 ableitbar sind. Das entspricht weitgehend menschlichem Verhalten: Aus dem Gesamtbild der Welt (Landschaft, Sonnenstand etc.) wird ein Teilaspekt (z. B. "feindliches Flugzeug") herausgegriffen. Auf Grund dieses Teilaspekts werden dann Entscheidungen getroffen. Die "Kommunikation" zwischen den Blöcken 76, 78 und 80 ist durch die Doppelpfeile 82 und 84 dargestellt. Die Wissens- und Datenbank 86 steht, wie durch Verbindung 88 dargestellt ist, den verschiedenen Modellen 76 und 78 und dem Inferenz-Mechanismus 80 zur Verfügung.
Die Funktionsmoduln 40 liefern insgesamt ein umfassendes Modell 76 der realen Welt 50. Aus dem umfassenden Modell 76 der realen Welt 50 sind spezielle Modelle 78 herausziehbar, aus denen durch einen Inferenz-Mechanismus 80 Schlußfolgerungen für Einwirkungen des Systems 10 auf die reale Welt 50 über die Effektoren 22 ableitbar sind. Das entspricht weitgehend menschlichem Verhalten: Aus dem Gesamtbild der Welt (Landschaft, Sonnenstand etc.) wird ein Teilaspekt (z. B. "feindliches Flugzeug") herausgegriffen. Auf Grund dieses Teilaspekts werden dann Entscheidungen getroffen. Die "Kommunikation" zwischen den Blöcken 76, 78 und 80 ist durch die Doppelpfeile 82 und 84 dargestellt. Die Wissens- und Datenbank 86 steht, wie durch Verbindung 88 dargestellt ist, den verschiedenen Modellen 76 und 78 und dem Inferenz-Mechanismus 80 zur Verfügung.
Der Inferenz-Mechanismus 80 steht mit einem Objekt 90 in
der realen Welt oder Umgebung 50 in Wechselwirkung. Das ist
durch den Doppelpfeil 92 dargestellt. Dieses Objekt 90
beeinflußt auch die Wissens- und Datenbank 86, wie durch
Pfeil 94 dargestellt ist.
Fig. 7 zeigt ein Beispiel für ein Funktionsmodul, nämlich
ein Funktionsmodul zur Fusion von Sensordaten.
In diesem Fall sind drei Sensoren 100, 102 und 103
vorgesehen, die auf ein Objekt ansprechen. Wie angedeutet,
können weitere Sensoren vorgesehen sein.
Die Signale jedes Sensors 100, 102, 104 ist auf jeweils ein
Paar von neuronalen Netzen aufgeschaltet. Die Signale des
Sensors 100 sind auf ein neuronales Netz 106 und auf ein
neuronales Netz 108 aufgeschaltet. Die Signale des Sensors
102 sind auf ein neuronales Netz 110 und auf ein neuronales
Netz 112 aufgeschaltet. Die Signale des Sensors 104 sind
auf ein neuronales Netz 114 und auf ein neuronales Netz 116
aufgeschaltet. Ein neuronales Netz 106, 110, 114 jedes
Paares verarbeitet eine erste vorgegebene Eigenschaft des
von den Sensoren erfaßten Objekts. Das andere neuronale
Netz 108, 112, 116 jedes Paares verarbeitet eine zweite
vorgegebene Eigenschaft des Objekts. Die neuronalen Netze
liefern sensorspezifische Informationen. Das ist durch die
Blöcke 118, 120 und 122 dargestellt. Diese Informationen
bilden "Merkmals-Vektoren". Diese Merkmals-Vektoren sind
auf ein weiteres neuronales Netz 124 aufgeschaltet. Dieses
Netz 124 dient zur Feststellung von Assoziationen der in
den Merkmals-Vektoren enthaltenen Informationen.
Die von dem zweiten neuronalen Netz erhaltene Information
wird, wie durch Pfeil 126 dargestellt ist, zusammen mit den
Merkmals-Vektoren auf ein neuronales Netz 128
aufgeschaltet.
Die Merkmals-Vektoren und die von den neuronalen Netzen
erhaltenen Informationen beaufschlagen ein Experten-System
130. Dieses Experten-System trifft unter Ausnutzung
weiteren Wissens über Daten und Fakten der potentiellen
Objekte endgültige Entscheidungen und zieht
Schlußfolgerungen.
Es handelt sich hier um ein Funktionsmodul, das teils mit
trainierbaren, lernenden Strukturen wie neuronalen Netzen
und teils mit hierarchischen Strukturen wie dem Experten
system 130 aufgebaut ist. Ein solches Funktionsmodul ist an
sich als Signalverarbeitungs-Anordnung zur Klassifizierung
von Objekten aufgrund der Signale einer Mehrzahl von
Sensoren durch die DE 41 00 500 A1 bekannt. Die
Anwendbarkeit der beschriebenen Struktur ist aber nicht auf
die Klassifizierung von Objekten beschränkt.
Fig. 8 ist eine schematische Darstellung eines
Funktionsmoduls, welches Effekte von auf Grund einer
Situations-Bewertung geplanten Aktionen vorhersagt und mit
den Effekten der gleichzeitig in der realen Welt
vorgenommenen Aktionen vergleicht. Das Funktionsmodul 40.2
enthält hier eine "Neuro-Fuzzy"-Einheit 132. Das ist eine
mit einem neuronalen Netz aufgebaute aber mit unscharfer
Logik ("Fuzzy-Logic") arbeitende, lernfähige Struktur. Das
System wird anhand von "Aktionen" trainiert, die sowohl auf
die Neuro-Fuzzy-Einheit 132 als auch, parallel dazu auf die
reale Welt 134 wirksam werden. Das ist durch die Pfeile 136
bzw. 138 dargestellt. Sowohl die Neuro-Fuzzy-Einheit 132
als auch die reale Welt 134 liefern "Effekte". Die Effekte
sind durch die Pfeile 140 bzw. 142 dargestellt. Die Effekte
werden miteinander verglichen, was durch einen Summierpunkt
144 symbolisiert ist. Ein Pfeil 146 symbolisiert einen
Lernprozeß der Neuro-Fuzzy-Einheit 132 unter dem Einfluß
des Vergleichs.
Eine nach einem ähnlichen Prinzip arbeitende Einrichtung
zum Bewerten von Situationen oder Szenarien, die mit einer
Mehrzahl von Sensoren beobachtet werden, ist an sich
bekannt durch die DE 42 40 789 A1 und dort im einzelnen
beschrieben.
Fig. 9 zeigt ein Funktionsmodul 40.n-2 für die Flugführung
(Piloting).
In Fig. 9 liegt an einem Eingang 146 ein Lenkbefehl an. Der
Lenkbefehl vom Eingang 146 beaufschlagt einen als
neuronales Netz ausgebildeten Flugregler 148. Der
Flugregler 148 liefert über eine Verbindung 150 ein
Stellsignal (Ruderausschlag, Schub) an die Plattform 10,
die selbst ein Objekt in der realen Welt 50 darstellt. Über
eine Rückführschleife 152 werden Rückführdaten auf den
Flugregler 148 geleitet.
Mit 154 ist ein, ebenfalls als neuronales Netz ausgeführtes
Modell des Flugzeugs (oder sonst einer Regelstrecke)
bezeichnet. Ein Block 156 bezeichnet ein neuronales Netz,
welches die Güte der Regelung (Performance) bewertet. Auf
das neuronale Netz von Block 156 sind einmal der Lenkbefehl
über Verbindung 158 und zum anderen die Rückführdaten über
Verbindung 160 aufgeschaltet. Das neuronale Netz von Block
156 liefert eine Regelgüte-Rückführung (Performance
Feedback) und schaltet diese über eine Verbindung 162 das
Modell 154 des Flugzeugs auf. Das Modell 154 des Flugzeugs
erhält gleichzeitig über eine Verbindung 164 die
Stellsignale parallel zu dem realen Flugzeug. Das Modell
154 liefert ebenfalls Ausgangsdaten von der Art der
Rückführdaten an einem Ausgang 166. Diese Ausgangsdaten am
Ausgang 166 werden mit den am Flugzeug gemessenen
Rückführdaten verglichen. Das ist durch einen Summierpunkt
168 symbolisiert, auf den die Rückführdaten über eine
Verbindung 170 aufgeschaltet sind. Als Ergebnis dieses
Vergleichs werden die Gewichte des neuronalen Netzes des
Modells 154 verändert. Das ist durch eine Lernschleife 172
und einen "Einstellpfeil" 174 angedeutet. Das Modell 154
verändert über eine Lernschleife 176 die Gewichte des
neuronalen Netzes des Flugreglers 148. Das ist wieder durch
einen Einstellpfeil 178 angedeutet.
Ein solcher Regler, insbesondere Flugregler, ist durch die
DE 41 30 164 A1 an sich bekannt und dort im einzelnen
beschrieben.
Die Fig. 7 bis 9 zeigen Beispiele für den Aufbau der
Funktionsmodule mit neuronalen Netzen, Fuzzy-Logic und
hierarchischen Strukturen.
Die Entwicklung und Auslegung eines autonomen Systems der
vorliegenden Art muß nach einer bestimmten Methodik
erfolgen. Das ist in Fig. 10 dargestellt.
Der erste Schritt besteht im Festlegen des physikalischen
Aufbaues des autonomen Systems, seiner Anwendung, seiner
Anfangsumgebung und seiner Verhaltens-Anforderungen. Das
ist in Fig. 10 durch einen Block 180 dargestellt. Der
nächste Schritt umfaßt das Analysieren des Verhaltens durch
Auflösung des Verhaltens in einfache Verhaltens-Komponenten
und ihrer Wechselwirkungen. Das ist in Fig. 10 durch einen
Block 182 dargestellt. Daran schließt sich das Erstellen
einer Spezifikation des autonomen Systems an. Das ist in
Fig. 10 durch einen Block 184 dargestellt. Daraufhin erfolgt
das Konstruieren des autonomen Systems mit Hard- und
Software im "Rohzustand", also noch ohne Lernprozesse. Das
ist in Fig. 10 durch einen Block 186 dargestellt. Darauf
erfolgt ein Trainieren dieses im Rohzustand befindlichen
Systems. Das ist in Fig. 10 durch einen Block 188
dargestellt. Daran schließt sich ein Bewerten des
erhaltenen Verhaltens und erforderlichenfalls Iteration der
vorangegangenen Verfahrensschritte an. Das ist in Fig. 10
durch einen Block 190 dargestellt. Die Iteration ist durch
Pfeile 192, 194 und 196 angedeutet.
Das Trainieren kann wenigstens teilweise durch Simulation
mit virtueller Realität erfolgen. Das Bewerten des
Verhaltens des Systems erfolgt unter den Gesichtspunkten
der Richtigkeit, der Robustheit, d. h. des Verhaltens
gegenüber sich ändernder Umgebung, und der
Anpassungsfähigkeit.
Claims (14)
1. Autonomes System mit integrierten Sensoren, das als
unabhängige Einheit über einen ausgedehnten Zeitraum
hinweg funktioniert und dabei eine Vielfalt von
Handlungen vornimmt, die zur Erreichung vorgegebener
Ziele erforderlich sind, wobei es auf von den Sensoren
erzeugte Stimuli anspricht, dadurch gekennzeichnet, daß
- (a) das System aus einer Mehrzahl von Funktionsmodulen (40.1, 40.2. . .40.n) aufgebaut ist, die jedes mit künstlicher Intelligenz versehen sind, indem sie eine Struktur aufweisen, die eine Selbstorganisierung, ein Lernen und eine Anpassung an sich ändernde Situationen gestatten,
- (b) die Funktionsmodule (40.1, 40.2. . .40.n) wenigstens teilweise miteinander kommunizieren und zusammen ein Modell der realen Welt bilden,
- (c) das System über die Sensoren (20) und Effektoren (22) mit der realen Welt (50) in Wechselwirkung tritt.
2. Autonomes System nach Anspruch 1, dadurch
gekennzeichnet, daß die Funktionsmodule
(40.1, 40.2. . .40.n) zur Erzeugung künstlicher
Intelligenz jeweils Zugriff auf Wissen aus einer
Wissens- und Datenbank (48) haben.
3. Autonomes System nach Anspruch 1 oder 2, dadurch
gekennzeichnet, daß aus einem umfassenden Modell (76)
der realen Welt spezielle Modelle (78) herausziehbar
sind, aus denen durch einen Inferenz-Mechanismus (80)
Schlußfolgerungen für Einwirkungen des Systems über die
Effektoren ableitbar sind.
4. Autonomes System nach einem der Ansprüche 1 bis 3,
dadurch gekennzeichnet, daß ein Funktionsmodul (40.1)
für die Verknüpfung der Sensor-Daten vorgesehen ist.
5. Autonomes System nach Anspruch 4, dadurch
gekennzeichnet, daß ein Funktionsmodul (40.2) zur
Situations-Bewertung aus den verknüpften Sensor-Daten
vorgesehen ist.
6. Autonomes System nach Anspruch 5, dadurch
gekennzeichnet, daß ein Funktionsmodul (40.3) zur
wissensbasierten Planung auf Grund der Situations-Be
wertung vorgesehen ist.
7. Autonomes System nach einem der Ansprüche 1 bis 6,
dadurch gekennzeichnet, daß das System eine unbemannte
Plattform (10) und durch ein Funktionsmodul
("Piloting") geführt ist.
8. Autonomes System nach einem der Ansprüche 1 bis 7.
dadurch gekennzeichnet, daß ein Funktionsmodul (40.n)
für Kommunikation vorgesehen ist.
9. Autonomes System nach den Ansprüchen 7 und 8, dadurch
gekennzeichnet, daß eine mit einem menschlichen Piloten
bemannte Basis-Station (12) und Datenübertragungs-Mit
tel (28) zur Datenübertragung zwischen dieser Basis-Sta
tion (12) und dem autonomen System (10) vorgesehen
sind.
10. Autonomes System nach Anspruch 9, dadurch
gekennzeichnet, daß die Basis-Station (12) zusätzlich
von Daten von dem autonomen System (10) weiterhin Daten
von in bezug auf das autonome System externen Sensoren
(24) empfängt.
11. Autonomes System nach einem der Ansprüche 7 bis 10,
dadurch gekennzeichnet, daß ein Funktionsmodul auf
Bedrohungen der Plattform (10) anspricht.
12. Verfahren zur Auslegung eines autonomen Systems nach
einem der Ansprüche 1 bis 11, gekennzeichnet durch die
Verfahrensschritte
- (a) Festlegen des physikalischen Aufbaues des autonomen Systems, seiner Anwendung, seiner Anfangsumgebung und seiner Verhaltens-Anforderungen,
- (b) Analysieren des Verhaltens durch Auflösung des Verhaltens in einfache Verhaltens-Komponenten und ihrer Wechselwirkungen,
- (c) Erstellen einer Spezifikation des autonomen Systems,
- (d) Konstruieren des autonomen Systems mit Hard- und Software im "Rohzustand",
- (e) Trainieren des autonomen Systems
- (f) Bewerten des erhaltenen Verhaltens und erforderlichenfalls Iteration der vorangegangenen Verfahrensschritte.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, daß
das Trainieren wenigstens teilweise durch Simulation
mit virtueller Realität erfolgt.
14. Verfahren nach Anspruch 12 oder 13, dadurch
gekennzeichnet, daß das Bewerten des Verhaltens des
Systems unter den Gesichtspunkten der Richtigkeit, der
Robustheit, d. h. des Verhaltens gegenüber sich
ändernder Umgebung, und der Anpassungsfähigkeit
erfolgt.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19704983A DE19704983B4 (de) | 1997-01-29 | 1997-01-29 | Autonomes System, insbesondere autonome Plattform |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19704983A DE19704983B4 (de) | 1997-01-29 | 1997-01-29 | Autonomes System, insbesondere autonome Plattform |
Publications (2)
Publication Number | Publication Date |
---|---|
DE19704983A1 true DE19704983A1 (de) | 1998-07-30 |
DE19704983B4 DE19704983B4 (de) | 2006-07-06 |
Family
ID=7819816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19704983A Expired - Fee Related DE19704983B4 (de) | 1997-01-29 | 1997-01-29 | Autonomes System, insbesondere autonome Plattform |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19704983B4 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014224884A1 (de) * | 2014-12-04 | 2016-06-23 | Jungheinrich Aktiengesellschaft | Verfahren und System zum Überwachen von Logistikeinrichtungen |
WO2020104584A1 (en) * | 2018-11-22 | 2020-05-28 | Lorenz Technology Aps | A method for inducing an autonomous behavior into an unmanned vehicle, and a communication unit for use in such a method |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4001493A1 (de) * | 1990-01-19 | 1991-07-25 | Pietzsch Ibp Gmbh | Verfahren und einrichtung zur selbsttaetigen steuerung von bewegbaren geraeten |
DE4111354A1 (de) * | 1991-04-09 | 1992-10-22 | Bodenseewerk Geraetetech | Einrichtung zur fuehrung des endeffektors eines roboters laengs einer sollbahn |
DE19508474A1 (de) * | 1995-03-09 | 1996-09-19 | Siemens Ag | Intelligentes Rechner-Leitsystem |
DE19508476A1 (de) * | 1995-03-09 | 1996-09-12 | Siemens Ag | Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä. |
-
1997
- 1997-01-29 DE DE19704983A patent/DE19704983B4/de not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014224884A1 (de) * | 2014-12-04 | 2016-06-23 | Jungheinrich Aktiengesellschaft | Verfahren und System zum Überwachen von Logistikeinrichtungen |
WO2020104584A1 (en) * | 2018-11-22 | 2020-05-28 | Lorenz Technology Aps | A method for inducing an autonomous behavior into an unmanned vehicle, and a communication unit for use in such a method |
EP3919998A1 (de) * | 2018-11-22 | 2021-12-08 | Lorenz Technology ApS | Verfahren zur einleitung eines autonomen verhaltens in ein unbemanntes fahrzeug und kommunikationseinheit zur verwendung in solch einem verfahren |
Also Published As
Publication number | Publication date |
---|---|
DE19704983B4 (de) | 2006-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017008475B4 (de) | Maschinenlernvorrichtung, robotersystem und maschinenlernverfahren zum erlernen eines roboter-betriebsprogramms | |
Stengel | Toward intelligent flight control | |
Sheridan | Telerobotics, automation, and human supervisory control | |
DE69420545T2 (de) | Parametrierbare neuronalnetzwerksteuerungen | |
DE102014108287A1 (de) | Schnelles Erlernen durch Nachahmung von Kraftdrehmoment-Aufgaben durch Roboter | |
EP3605256B1 (de) | System und verfahren zum überwachen des zustands eines unbemannten luftfahrzeugs | |
EP3899682B1 (de) | Überwachung von auf neuronalen netzwerken basierten fahrfunktionen | |
DE112019007222T5 (de) | Motorsteuereinrichtung | |
Sammut | Automatic construction of reactive control systems using symbolic machine learning | |
EP1020699B1 (de) | Flugkörper | |
Puttige et al. | Comparison of real-time online and offline neural network models for a uav | |
EP3748454B1 (de) | Verfahren und vorrichtung zum automatischen ausführen einer steuerfunktion eines fahrzeugs | |
DE4218599C2 (de) | Navigations- und Führungssystem für autonome, mobile Roboter | |
DE19645556A1 (de) | Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgende Flugkörper | |
DE19704983B4 (de) | Autonomes System, insbesondere autonome Plattform | |
EP3793785B1 (de) | Verfahren und vorrichtung zum rechnergestützten ermitteln von regelparametern für eine günstige handlung eines technischen systems | |
Cardullo | Application of neuro-fuzzy systems to behavioral representation in computer generated forces | |
EP0999484B1 (de) | Trimmverfahren zum Abgleich eines Simulationssystems mit einem geregelten Referenzsystem | |
DE102021114768A1 (de) | Fahrzeugsteuerung unter Verwendung eines Controllers eines neuronalen Netzes in Kombination mit einem modellbasierten Controller | |
EP1087200B1 (de) | Flugkörper-Missionseinheit | |
EP1014028A1 (de) | Lenk,- Navigations- und Regelsystem für Flugkörper | |
Scheidel et al. | A novel approach of a deep reinforcement learning based motion cueing algorithm for vehicle driving simulation | |
Obaid et al. | Obstacle avoidance in unmanned aerial vehicles using image segmentation and deep learning | |
DE102022123243B3 (de) | Künstliche Intelligenz zur präzisen Bestimmung von Ausgangsdrehmomenten kollaborativer Roboter | |
Ionita | Modeling Human Sensory-Motor Action for Vehicle Braking Based on Fuzzy Inferences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ON | Later submitted papers | ||
8110 | Request for examination paragraph 44 | ||
8127 | New person/name/address of the applicant |
Owner name: DIEHL BGT DEFENCE GMBH & CO. KG, 88662 UBERLINGEN, |
|
8125 | Change of the main classification |
Ipc: G05B 1304 |
|
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |